前言
第1章绪论1
1?1引言1
1?2图像目标识别的意义2
1?3图像目标识别的框架与思路5
1?3?1图像目标识别问题的分类5
1?3?2图像目标识别的基本框架7
1?3?3图像目标识别的两种思路8
1?4图像目标识别的数据集10
1?5图像目标识别的开发环境15
1?6主要难点与发展趋势18
1?7研究内容与结构安排21
1?7?1本书的研究内容21
1?7?2本书的结构安排22
第2章图像目标的整体特征提取25
2?1引言25
2?2图像目标分割29
2?2?1图像目标分割概述29
2?2?2图像目标分割现状30
2?2?3图像目标分割技术33
2?3目标的表示与描述42
2?3?1光谱特征42
2?3?2纹理特征44
2?3?3形状特征46
2?4特征空间的优化48
2?4?1特征选择48
2?4?2特征变换50
2?5本章小结52
第3章基于整体特征的目标识别55
3?1引言55
3?2模式识别方法概述56
3?3目标匹配的研究现状58
3?3?1两种目标匹配方式58
3?3?2匹配的相似度度量59
3?4目标分类的研究现状61
3?4?1分类器设计技术62
3?4?2性能评估方法64
3?5典型的图像目标分类器66
3?5?1基于聚类分析的分类器66
3?5?2基于朴素贝叶斯的分类器69
3?5?3基于BP神经网络的分类器71
3?5?4基于支持向量机的分类器73
3?6本章小结76
第4章图像目标的局部特征提取77
4?1引言77
4?2特征区域的稀疏选取算法78
4?2?1特征区域检测的研究现状78
4?2?2高斯差分检测算子80
4?2?3边缘点检测算子83
4?3局部特征的定量描述85
4?3?1特征区域描述的研究现状85
4?3?2基于梯度分布的描述子87
4?3?3线矩特征描述子89
4?4角点的检测算法90
4?4?1直线投影检测算法91
4?4?2SUSAN算法的自适应阈值改进92
4?5实验结果与分析94
4?6本章小结97
第5章基于局部特征的目标匹配99
5?1引言99
5?2结合NNDR与霍夫变换的匹配方法100
5?2?1基于NNDR的匹配策略100
5?2?2邻近特征点的搜索算法101
5?2?3基于霍夫变换的目标检测103
5?3基于局部特征和多分辨率技术的图像拼接105
5?3?1图像拼接技术的研究现状105
5?3?2多分辨率下的图像配准107
5?3?3渐入渐出的图像融合算法112
5?4基于局部特征和原型匹配的图像检索114
5?4?1CBIR的研究现状和发展趋势114
5?4?2基于模板匹配的检索方法117
5?4?3基于原型匹配的反馈技术118
5?5实验结果与分析119
5?6本章小结124
第6章基于局部特征的目标分类127
6?1引言127
6?2目标的向量空间模型表示129
6?3构造视觉单词库130
6?3?1视觉单词的生成方法131
6?3?2基于RNN的层次聚类算法132
6?4基于信息论的特征选择方法134
6?4?1信息论的相关概念135
6?4?2基于信息增益法的特征选择136
6?4?3基于CHI统计量的特征选择137
6?4?4基于互信息法的特征选择138
6?5视觉单词的权重计算139
6?6实验结果与分析141
6?7本章小结146
第7章基于角点特征与视面模型的目标识别147
7?1引言147
7?2三维物体的视面模型表示150
7?3基于角点特征的目标匹配152
7?3?1利用基准角点进行目标匹配152
7?3?2基于主分量与Hausdorff距离的匹配算法154
7?4基于角点标记图的目标分类157
7?4?1角点特征的优化技术157
7?4?2角点标记图的生成方法159
7?5实验结果与分析160
7?6本章小结164
附录A图像处理的一些相关理论167
A?1数字图像的基本概念167
A?2数字图像的信息内容168
A?3图像处理的技术门类169
附录B模式组合的一些基本概念173
B?1图173
B?2树173
B?3符号串174
附录C概率统计的一些预备知识177
C?1概率177
C?2最大似然估计177
C?3条件概率177
C?4贝叶斯公式178
C?5随机变量179
C?6二项式分布179
C?7联合概率分布和条件概率分布179
C?8贝叶斯决策理论180
C?9期望和方差181
附录D信息检索的一些基础模型183
D?1布尔模型183
D?2向量空间模型183
D?3概率模型184
D?4语言模型185
附录E名词术语解释187
参考文献192
| 
内容加载中，请稍后...
商品评论（0条）